Python numpy take_along_axis用法及代码示例

本文简要介绍 python 语言中 numpy.take_along_axis 的用法。

用法:

numpy.take_along_axis(arr, indices, axis)

通过匹配一维索引和数据切片从输入数组中获取值。

这会遍历索引和数据数组中沿指定轴定向的匹配 1d 切片，并使用前者在后者中查找值。这些切片可以是不同的长度。

沿轴返回索引的函数(如 argsort 和 argpartition )会为此函数生成合适的索引。

参数：

arr： ndarray (Ni…, M, Nk…)

源数组

indices： ndarray (Ni…, J, Nk…)

arr 的每个 1d 切片的索引。这必须匹配 arr 的维度，但维度 Ni 和 Nj 只需要针对 arr 进行广播。

axis： int

沿 1d 切片的轴。如果axis为None，则输入数组被视为首先被展平为1d，以与 sort 和 argsort 保持一致。

返回：

输出：ndarray(Ni…，J，Nk…)

索引的结果。

注意：

这相当于(但比)以下使用 ndindex 和 s_ ，将 ii 和 kk 设置为索引元组：

Ni, M, Nk = a.shape[:axis], a.shape[axis], a.shape[axis+1:]
J = indices.shape[axis]  # Need not equal M
out = np.empty(Ni + (J,) + Nk)

for ii in ndindex(Ni):
    for kk in ndindex(Nk):
        a_1d       = a      [ii + s_[:,] + kk]
        indices_1d = indices[ii + s_[:,] + kk]
        out_1d     = out    [ii + s_[:,] + kk]
        for j in range(J):
            out_1d[j] = a_1d[indices_1d[j]]

等效地，消除内部循环，最后两行将是：

out_1d[:] = a_1d[indices_1d]

例子：

对于这个示例数组

>>> a = np.array([[10, 30, 20], [60, 40, 50]])

我们可以使用 sort 直接排序，也可以使用 argsort 和这个函数

>>> np.sort(a, axis=1)
array([[10, 20, 30],
       [40, 50, 60]])
>>> ai = np.argsort(a, axis=1); ai
array([[0, 2, 1],
       [1, 2, 0]])
>>> np.take_along_axis(a, ai, axis=1)
array([[10, 20, 30],
       [40, 50, 60]])

如果扩展尺寸，max 和 min 也是如此：

>>> np.expand_dims(np.max(a, axis=1), axis=1)
array([[30],
       [60]])
>>> ai = np.expand_dims(np.argmax(a, axis=1), axis=1)
>>> ai
array([[1],
       [0]])
>>> np.take_along_axis(a, ai, axis=1)
array([[30],
       [60]])

如果我们想同时得到最大值和最小值，我们可以先堆叠索引

>>> ai_min = np.expand_dims(np.argmin(a, axis=1), axis=1)
>>> ai_max = np.expand_dims(np.argmax(a, axis=1), axis=1)
>>> ai = np.concatenate([ai_min, ai_max], axis=1)
>>> ai
array([[0, 1],
       [1, 0]])
>>> np.take_along_axis(a, ai, axis=1)
array([[10, 30],
       [40, 60]])